1.基本介绍
立体匹配算法,关键是计算左右图对应点的匹配代价。
传统的基于窗口的局部匹配算法都是通过计算亮度值的相似程度来获取匹配代价,上一篇文章讲到得Adaptive Support-weight只不过是在计算直至窗口匹配代价时,为每一个像素赋予不同的权值进而使得匹配代价更准确一些。
但是基于像素的匹配方法有一个问题就是对于重复纹理区域,支持窗口选取太小则不利于获取准确的匹配代价,窗口选取过大则计算复杂度过高。
对于这种情况,我们应该适当的考虑支持窗口的结构信息,但是结构信息如何表示,怎样定量计算,这里就要用到标题中提到的Rank Transform,类似的还有Census Transform。
2.Rank Transform基本原理
可以自己上网查,这里就不细说了。
3.参考论文:
Local stereo matching with adaptive support-weight,rank transform and disparity calibration.
论文基本结构:
1)初始匹配:匹配窗口选择,Rank Transform
2)视差矫正:矫正窗口选择,矫正
4.关于代码
我简单的实现了一下(已经上传到资源文件,感兴趣的可以自行下载),效果并达不到论文中的水平,可能是参数设置的不好,但是可以参考,或者跟原文作者联系。